Einführung
Z-Image Base LoRA Text-zu-Bild erzeugt aus einem geschriebenen Prompt ein Bild und lädt dabei bis zu drei Ihrer eigenen LoRA-Dateien. Es nutzt Z-Image, das Basismodell mit 6 Milliarden Parametern vom Tongyi-MAI-Team von Alibaba: die nicht destillierte Ausgabe, die ihre Entwickler als Ausgangspunkt für Fine-Tuning und LoRA-Training beschreiben. Wählen Sie eines von neun Seitenverhältnissen. Die Plattform legt keinen Content-Filter über Prompt, Gewichte oder Bild.
Modus nach dem Ausgangsmaterial wählen
| Ausgangsmaterial | Modus |
|---|---|
| eine geschriebene Beschreibung | Z-Image Base LoRA Text-zu-Bild |
| ein Bild, das umgestaltet werden soll | Z-Image Base LoRA Bild-zu-Bild |
Wichtige Funktionen und Highlights
Die Ausgabe, auf der LoRAs trainiert werden
Z-Image gibt es als schnelle destillierte Turbo-Ausgabe und als diese vollständige Base-Ausgabe. Der Herausgeber empfiehlt Base für Fine-Tuning; eine darauf trainierte LoRA veränderte hier in unseren Tests den ganzen Look.
Drei auf einmal
Bis zu drei LoRAs pro Anfrage, jede mit eigenem scale von 0 bis 4. Vorab wird nichts zu uns hochgeladen, und die Dateien werden nicht geprüft.
Standardmäßig Fotos
Ohne LoRA erzeugt das Modell fotografische Bilder mit natürlicher Haut, natürlichem Licht und Korn und folgt langen, beschreibenden Prompts genau.
Kein Content-Filter
Es gibt weder auf Prompts noch auf Gewichte oder Ergebnisse einen Filter. Das Basismodell hat jede Stufe von Mild bis Maximal ohne Zögern geliefert, außer Sehr stark: Das kam verschwommen heraus statt blockiert; genau dafür gibt es ungefilterte LoRAs.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Ganze Sätze funktionieren am besten: Motiv, Kleidung, Ort, Licht und Objektiv. Die Trigger-Phrase einer LoRA kommt zuerst. mindestens 1 Zeichen · höchstens 5000 Zeichen |
aspect_ratio | Nein | Neun Formate mit etwa einem Megapixel, von 21:9 (1536 x 640) bis 9:21; standardmäßig 1:1. Das Format ändert die Form, nicht den Preis. |
loras | Nein | Bis zu drei Einträge {path, scale}, trainiert auf Z-Image Base; scale 0 bis 4, 1 ist neutral. Turbo-LoRAs sind nicht kompatibel. Standardwert: |
output_format | Nein | Standardmäßig JPEG, bei Bedarf PNG oder WebP. Das Format ändert den Preis nicht. |
seed | Nein | Hält eine Bildserie vergleichbar, während Sie jeweils nur eine LoRA oder einen Satz ändern. Er garantiert nicht bei jedem Lauf exakt dieselben Pixel. |
Preis
$0.014 / Bild
Abgerechnet pro Bild. Seitenverhältnis, Ausgabeformat und das Laden von LoRAs ändern den Preis nicht.
Anwendungsfälle
Ein Hausstil für eine ganze Serie
Laden Sie eine Stil-LoRA, lassen Sie ihre Trigger-Phrase vorn und arbeiten Sie eine Liste von Prompts ab. Jedes Bild der Serie teilt sich denselben Look.
Ihre eigenen trainierten LoRAs
Wenn Sie auf Z-Image Base trainieren, testen Sie das Ergebnis hier in voller Qualität, ohne eine eigene GPU zu betreiben.
Fotografische Standbilder
Porträts, Editorial- und Kinobilder aus Sätzen, in neun Formaten von 21:9 bis 9:21.
Prompt-Leitfaden und Praxistipps
Sätze schreiben
Beschreiben Sie Motiv, Kleidung, Ort, Licht und Objektiv in ganzen Sätzen. In unseren Tests setzte das Modell Details wie eine mit beiden Händen gehaltene Kaffeetasse oder Möwen auf einem Steg zuverlässig um.
Auf die Trigger-Phrase achten
Die Prompt-Treue ist so hoch, dass schon die Trigger-Phrase einer LoRA allein den Stil verändern kann. Vergleichen Sie Läufe mit und ohne LoRA-Datei, nicht nur mit und ohne die Phrase.
Base-LoRAs verwenden, keine Turbo-LoRAs
Eine auf Z-Image Turbo trainierte LoRA zerlegte in unserem Test das Bild auf dieser Ausgabe, ohne Fehlermeldung. Suchen Sie LoRAs, die auf Z-Image Base trainiert sind.
Zeit einplanen
Base nutzt viel mehr Sampling-Schritte als Turbo: In unseren Tests dauerte eine Text-zu-Bild-Anfrage 10 bis 57 Sekunden Modellzeit, meist etwa eine halbe Minute.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/z-image-base-lora/text-to-image",
"input": {
"aspect_ratio": "1:1",
"output_format": "jpeg",
"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
